• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
https://doi.org/10.11606/T.18.2020.tde-06012020-160732
Document
Auteur
Nom complet
Osmando Pereira Junior
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2019
Directeur
Jury
Gonzaga, Adilson (Président)
Ferrari, Ricardo José
Goularte, Rudinei
Marana, Aparecido Nilceu
Vieira, Marcelo Andrade da Costa
Titre en portugais
Novos operadores de fusão aplicados a descritores de textura
Mots-clés en portugais
Descritores de textura
Distorção arquitetural mamária
Extração de características
Fusão de características
Fusão de decisão
Fusão de descritores
Mamografia digital
Operadores de fusão
Reconhecimento de imagens
Registro de imagens
Resumé en portugais
A análise de texturas é fundamental em diversas aplicações de visão computacional e de reconhecimento de padrões. Diversos descritores de textura são propostos na literatura, com a finalidade de se representar adequadamente as imagens de textura, sendo a extração de características uma etapa essencial nesta tarefa. No entanto, o desempenho dos descritores está relacionado ao tipo de imagem em que são aplicados, não havendo um descritor que garanta o melhor resultado para todo conjunto de imagens. Procedimentos como a fusão da informação permitem obter resultados melhores que os obtidos com a aplicação das respectivas técnicas individualmente. A fim de contribuir para a melhor representação de texturas, esta tese propõe três novos descritores de textura baseados em fusão de características, Completed Mean Local Mapped Pattern (CMLMP), Completed Median Local Mapped Pattern (CMedianLMP) e Completed Z with Tilted Z Local Mapped Pattern (CZTZLMP), fundamentados na associação da metodologia de extração de informações complementares de uma textura pelas componentes Sinal, Magnitude e Centro, com uma regra específica de determinação das diferenças de nível de cinza de uma vizinhança. Propõe também dois novos operadores de fusão, SomaM e GramM no espaço de fusão, cujas regras de combinação de características evidenciam as informações complementares entre os diferentes descritores combinados. Os métodos propostos foram aplicados a registro de imagens e a reconhecimento de distorção arquitetural mamária em mamografias digitais. Os respectivos desempenhos foram comparados aos de diversos descritores de textura e a operadores de fusão publicados na literatura. De acordo com os resultados obtidos, os descritores propostos apresentaram desempenho superior ao dos demais descritores com os quais foram comparados, o que incentiva a utilização dos mesmos em outras aplicações. Além disso, os operadores de fusão propostos permitiram resultados melhores que os obtidos com a aplicação dos demais operadores e resultaram em vetores de características de menor dimensão.
Titre en anglais
Novel fusion operators applied to texture descriptors
Mots-clés en anglais
Breast architectural distortion
Decision fusion
Digital mammography
Feature extraction
Feature fusion
Fusion operators
Image recognition
Image registration
Texture descriptors
Resumé en anglais
Texture analysis is essential in computer vision and pattern recognition. Several texture descriptors are proposed in order to properly represent texture images. However, the descriptors performance is dependent on the images. It is a hard task to develop an ideal descriptor as there is not a descriptor that guarantees the best result for the whole set of images. Information fusion achieves better results than individual sources. In order to contribute to texture representation, we propose three novel fusion-based texture descriptors, namely: Completed Mean Local Mapped Pattern (CMLMP), Completed Median Local Mapped Pattern (CMedianLMP) and Completed Z with Tilted Z Local Mapped Pattern (CZTZLMP), based on Signal, Magnitude and Centre complementary information with a specific rule for determining gray level differences in a neighborhood. To combine features from texture descriptors, this work also proposes two fusion operators, SumM and GramM. The proposed methods were applied to image registration and to the detection of breast architectural distortion in digital mammography, and then compared to several texture descriptors and fusion operators published in the literature. The experimental results show that the proposed fusion-based texture descriptors outperformed all other descriptors, which encourages their implementation in other applications. Moreover, the proposed fusion operators outperformed all other operators, and generated smaller feature vectors.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Osmando.pdf (7.00 Mbytes)
Date de Publication
2020-01-14
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.